카드딕셔너리를 이용했다.n개의 숫자를 입력받을 때마다 그 숫자가 딕셔너리에 존재한다면 딕셔너리\[입력받은숫자] += 1, 만약 존재하지 않는다면 딕셔너리\[입력받은숫자] = 1.숫자를 전부 입력받은 뒤에는 딕셔너리를 우선 value값을 기준으로 내림차순 정렬을 하고,

올림픽우선 금메달 개수를 기준으로 정렬한다.금메달 개수가 같다면 은메달, 은메달 개수도 같다면동메달을 기준으로 정렬한다.sort()와 lambda로 구현했다..sort(key = lambda ~)sort()는 key 값을 기준으로 정렬하며 기본값은 오름차순이다. 배열

통계학 문제 풀이 코드 문제 풀면서 반올림 소수점 n번째 자리까지만 표현하고 반올림하고 싶을 때 collections 모듈의 Counter 클래스

집합중복 허용x순서 x리스트, 튜플과 달리 사전 & 집합 자료형은 순서가 없기 때문에 인덱싱으로 값을 얻을 수 없다.'특정 데이터가 이미 등장한 적이 있는지'를 확인할 때 효과적이다.집합 자료형의 연산합집합 : |교집합 : &차집합 : -집합 자료형 관련 함수집합에 값

프린터 큐 못 풀었다. 처음엔 문제도 이해못했다. *인덱스 정보를 유지하는 부분 enumerate로 했는데 그럼 최댓값을 비교할 때 idx로 비교해버리니까

제로sys.stdin.readline()한 줄 단위로 입력받으며 개행문자까지 입력받는다.k번 숫자를 입력받고 0이라면 정수리스트.pop(), 0이 아니라면 정수리스트.append(정수)를 해준다.스택 개념을 적용할 수도 있다.

요세푸스 문제 0 못 풀었다. del list[index] idx=0 에서 시작해서 k를 더해주면서 만약 k가 인덱스 범위를 초과했다면 리스트의 길이만큼 빼주기 <- 원 개념할때 쓰이는 순환되도록.. 근데 왜 안되냐 내일다시해본다.

그룹 단어 체커while문으로 현재 인덱스의 문자와 인덱스+1의 문자를 비교하고 문자를 따로 리스트에 저장한다. 이때 리스트에 이미 존재하는 문자인지 확인을 하는데 이미 존재한다면 그룹 단어가 아닌 것.인덱스 와 인덱스+1을 비교하기 때문에 맨 마지막 문자의 경우 인덱

백준 문제 10610번 : 30n을 리스트로 입력받아서 숫자 한 자리씩 떼어내서 저장itertools.permutations로 가능한 모든 숫자 조합을 만들어 리스트로 저장그 리스트를 내림차순으로 정렬 후30으로 나눠가며 나누어 떨어지면 해당 값이 정답이 된다.위와 같

백준 1946번 : 신입 사원못 풀었다.오름차순으로 정렬할 생각을 못했다.입력받은 리스트를 정렬을 통해 정리를 하고 문제를 풀어나가는 경우가 꽤 많은 것 같다.여기저기 참고한 코드우선 서류심사 성적을 기준으로 정렬한다.이제 면접시험 성적을 비교해 본다.

백준 2217번 : 로프가장 적은 무게를 드는 로프가 기준이 된다.

백준 1541번 : 잃어버린 괄호 내 코드1 수정할 것 -를 기준으로 문자열 분리하는 것 이용해서 다시

백준 1026번 : 보물배열에서 최댓값의 인덱스 가져오기

백준 1931번 : ATM리스트에서 특정 인덱스값으로 정렬하기key를 이용한다.첫 번째 인덱스값으로 정렬을 원하면 그냥 times.sort()를 해줘도 되는 것 같다.2차원배열.sort()를 하면 첫 번째 키 값이 동일하면 자동으로 그 다음 키 값에 따라 정렬된다고 한

Machine Learning by professor Andrew Ng in Coursera Summary Summary: Main topics Supervised Learning Linear regression, logistic regression, neur

Machine Learning by professor Andrew Ng in CourseraPhoto Optical Character RecognitionText detection주어진 사진에서 텍스트 부분을 감지한다.sliding windowCharacter segm

Machine Learning by professor Andrew Ng in Coursera온라인 학습 알고리즘은 실시간으로 유입되는 데이터를 모델링하고 학습한다. 고정된 훈련 세트라는 개념이 없다.지속적으로 새롭게 유입되는 데이터로 학습을 하고, 학습을 했다면 해당

학습알고리즘이 이전보다 더 잘 동작하는 이유는 학습알고리즘을 훈련시킬 수 있는 데이터셋이 커졌기 때문이다.데이터셋이 커지면 왜 성능이 좋아질까?이전에 배웠던 성능이 좋은 학습 알고리즘을 얻는 방법 중 하나는 low bias 알고리즘을 크기가 큰 데이터셋으로 훈련시키는

Machine Learning by professor Andrew Ng in CourseraCollaborative filtering을 matrix로 나타내면 다음과 같다.

Machine Learning by professor Andrew Ng in Coursera' $x^{(~)}$ 는 영화에 대한, $\\theta^{(~)}$는 사용자들에 대한 '' $\\theta^{(~)}$에서 가장 첫 번째 항은 기본으로 0이 들어감 '위의 데이터